基于sp和rp数据融合的城市轨道交通选择模型 - 北京工业大学学报.pdf

第33卷第2期 北京工业大学学报 V01．33No．2 2007年2月 0F UNIVERSITY0FTECHNOLOGY Feb．2007 JOURNALBEIJING 基于SP和RP数据融合的城市轨道交通选择模型 关宏志，王山川，姚丽亚，易 洪 (北京工业大学交通工程北京市重点实验室，北京 100022) 摘要：针对SP数据存在的行为结果与意向结果不一致的问题，介绍了利用RP数据修正sP数据的方法．以 北京为例，建立了RP模型、sP模型和融合数据模型，并对模型的灵敏度进行了分析，结果表明，RP模型中费用 变量的参数估计值符号与实际不符；sP数据模型精度较高，但某些参数的影响不是很显著；融合数据模型的参 数检验较显著，模型的弹性小，敏感性被钝化． 关键词：轨道交通；RP数据；sP数据；非集计模型 中图分类号：U412．H 文献标识码：A 在交通需求分析中，RP数据(revealedpreferencedata，简称为RP数据)存在难以描述目前不存在的交 通服务的局限性，而SP数据(statedpreferencedata，简称为SP数据)可以根据需要，设计未来的交通服务 场景，以分析各条件下的需求．然而，人们也发现sP数据常常存在人们的行为结果与意向结果不一致的 变化往往比较敏感，即有过大评价这些因素的倾向． 针对这个问题，文献[2]应用HLM模型(heteroskedasticlogitmodel)探讨了调查方案设计对SP调查 结果的影响，以期提高SP数据模型的精度．文献[3]则通过追踪调查，找出了导致意向选择结果和实际选 查时，发现这两类数据中选择结果的影响因素不尽相同，基于此，用RP数据修正SP数据，然后融合RP 数据和修正后的SP数据建立模型，以修正SP数据的偏差．关宏志等人【5J运用该思路，融合交通试验数据 和SP数据，建立了一个融合模型，有效地修正了SP数据中存在的偏差．在我国，近年来也开展了基于非 集计模型的轨道交通需求预测研究【6。8]．然而，在实践中缺乏对SP数据偏差问题的研究，同时也缺乏多项 非集计模型(muItinomiallogitmodel，简称为ML模型)的研究． 本文拟使用北京调查的交通行为数据，运用文献[4]提出的方法，建立RP数据、sP数据和融合数据 的ML模型，以修正SP数据带来的偏差．本文的研究结果对于准确预测多方式竞争下的城市交通需求， 特别是对于城市新建轨道交通时的客流需求分析有一定参考价值． 1分析方法简介 1．1利用RP数据修正sP数据的方法 非集计模型的效用函数由固定项和概率项组成为 “=副十e (1) 式中，“为效用函数；口为效用函数的固定项；e为效用函数的概率项，主要由选择肢不能观测的要素和受 访者特有的不可观测的因素组成． 融合RP数据和SP数据建模时，因为RP数据和SP数据概率项的包含因素不同，不能简单地进行数 收稿日期：2006一05—11． 基金项目：国家自然科学基金资助项目；北京自然科学基金资助项目(8053019) 作者简介：关宏志(1959一)，男，黑龙江牡丹江人，教授． 万方数据 北京工业大学学报 2007年 据融合．因此，概率项在参数估计时引进了平衡系数肛，则 ％r(eRP)=口2％r(e卵) (2) 其中，eRP、eSP分别为RP、SP数据效用函数的概率项． 通过平衡系数对sP数据作修正，然后与RP数据混合建立非集计模型．具体参数据估计方法有同时 估计法和分阶段估计法．本文拟采用分阶段估计法． 对于RP数据模型和SP数据模型的效用函数，设为 甜擘=卢名挈+口7硼擘+e擘 (3) ： 7z器+